人脸识别技术是一种基于生物特征识别的技术,近年来已经成为模式识别和机器学习领域的一个热门的研究课题。随着科学技术的快速发展,人脸识别技术取得了显著的成果。通常而言,人脸识别的过程需要经过人脸检测、图像预处理、特征提取和特征匹配四个步骤。其中,特征提取和匹配是解决人脸识别问题的关键,直接影响最后的识别结果。本文就在特征提取和特征匹配方面进行研究,进行了如下工作:①研究了线性的流形算法:局部保持投影算法(LPP)。它保留了人脸的局部信息,算法通过构造样本点间的邻接矩阵来保持人脸的流形结构。经过详细的推导,将其扩展到二维空间,得到二维局部保持投影算法(2D-LPP)。研究表明,2D-LPP保留了人脸的流形结构,但它是无监督算法,忽视判别信息。②通过向二维局部保持投影(2D-LPP)算法中引入类间约束和类标识信息,可得到含有更多判别信息的二维判别局部保持投影(2D-DLPP)算法。但它在解决识别问题时面临复杂的参数选择的限制。③为解决此问题,本文在判别局部保持投影算法的基础上构造无参数的相似矩阵,提出无参数的二维判别局部保持投影(无参数2D-DLPP)算法,消除选择合适参数所带来的耗费时间等问题,使算法更加高效。最后为了验证无参数二维判别局部保持投影算法的有效性,在Yale和ORL人脸库上的仿真实验。结果表明,该算法与二维判别局部保持投影(2D-DLPP)、二维局部保持投影法(2D-LPP)和二维线性判别分析法(2D-LDA)相比能够取得更好的识效果。